Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Tagung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

 
Sitzungsübersicht
Sitzung
S1.3: Methodik Radar/Lidar
Zeit:
Donnerstag, 05.03.2020:
10:30 - 12:00

Chair der Sitzung: Andreas Reigber
Ort: Raum 119

Zeige Hilfe zu 'Vergrößern oder verkleinern Sie den Text der Zusammenfassung' an
Präsentationen

Robust registration of airborne point clouds using Maximum Consensus Estimation

F. Politz, J. Busse, C. Brenner

Leibniz Universität Hannover, Institut für Kartographie und Geoinformatik, Deutschland

Airborne Laser Scanning (ALS) and Dense Image Matching (DIM) from aerial images are two common sources of point cloud generation in remote sensing. While both point clouds describe the earth’s surface, they have different characteristics concerning geometrical accuracy, radiometric information, vegetation penetration and the preservation of sharp object edges. While ALS point clouds have a lower point density, they usually have a higher absolute point accuracy when compared to DIM point clouds, especially in areas with little texture. DIM point clouds, on the other hand, contain RGB values, while ALS points carry intensity values as well as the number of echoes. Usually, laser pulses from ALS systems penetrate vegetation, so that points from the foliage as well as from the ground below are returned. Since DIM point clouds are reconstructed from aerial images using image matching, they only contain the ground below the foliage if it is visible in a sufficient number of original images. Therefore, DIM point clouds often represent the treetops only. In addition, sharp object edges, like roof ridges, are often reproduced more accurately in ALS, while they tend to be smoothed in DIM point clouds due to the continuity terms used during image matching.

As DIM point clouds have become more available in the past years due to unmanned aerial vehicles, the fusion of ALS and DIM point clouds is of growing interest for the remote sensing community and national survey departments. As a result, a correct and robust registration of those point clouds is necessary in order to fuse and later update point cloud data into one joint point cloud. While there are several registration algorithms for point cloud registration already available, which are able to robustly register two point clouds from the same source, these often contain assumptions, which cannot be easily applied for inter source point cloud registration. For example, the Iterative Closest Point (ICP) algorithm, one of the most popular algorithms for point cloud registration, requires the data to be coarsely aligned in advance, since it is otherwise susceptible to convergence to a non-global minimum (Besl & McKay, 1992). In addition, since it usually uses a least-squares minimization of residuals, it is sensitive to outliers. Especially in the situations described above, where ALS and DIM represent different object structures, a large number of outliers may be present. So even if ALS and DIM are already coarsely aligned, differences in their point accuracy, point density, behaviour regarding vegetation penetration and smoothed boundaries can lead to erroneous point correspondences and thus, wrong estimation results for transformation between the datasets.

To solve this issue, we propose a robust registration approach, based on a Maximum Consensus Estimator (Chin & Suter, 2017), for inter-source point cloud registration. Our algorithm works as a standalone solution, but it can also serve as a pre-processing step for a subsequent least-squares estimator, which will reduce the risk of wrong or weak correspondences. In addition, we explore different methods to remove weak correspondences for the ICP algorithm. These methods consider, among others, the maximal distance between corresponding points as well as their standard deviation to a plane. For our experiments, we limit the estimated transformation to a 3D translation, since there were no noticeable rotation misalignments present in our data set.

In order to test and evaluate our approach against the ICP algorithm, we selected twelve different point cloud regions. These regions include varying levels of difficulty for the registration process such as missing object boundaries in one or more direction, regions with water and varying amounts of vegetation, temporal changes in the point clouds, as well as best case scenarios with nearly no differences between the ALS and DIM point clouds. For evaluation, we test and compare the remaining mean squared error of the distances between corresponding points after the registration for several setups, including manual picking of corresponding points, ICP, our proposed algorithm with different Maximum Consensus criteria, as well as different combinations of our algorithm, removing weak correspondences and ICP. We show that our algorithm is able to robustly return translation parameters for point clouds from different sensors in point cloud regions where the ICP algorithm is failing.

References

Besl, P. J. & McKay, N. D., 1992: A Method for Registration of 3-D Shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence, 14 (2), 239-256.

Chin, T.-J. & Suter, D., 2017: The Maximum Consensus Problem: Recent Algorithmic Advances. Synthesis Lectures on Computer Vision, 7(2), Morgan & Claypool Publishers, 1-194.



Erprobung des Leica SPL100 Laserscanners zur Erfassung der Wasseroberfläche an deutschen Binnengewässern

R. Weiß1, G. Mandlburger2,3

1Bundesanstalt für Gewässerkunde, Deutschland; 2TU-Wien, Österreich; 3Universität Stuttgart, Deutschland

Motivation/Problemstellung

Die genaue Kenntnis der Höhe der Wasseroberfläche ist für verschiedene Anwendungen von großer Bedeutung. Innerhalb der Wasser- und Schifffahrtsverwaltung dienen Informationen über die Höhenlage der Wasseroberfläche zur Ableitung von Beschickungsflächen für nautische Karten. Insbesondere an freifließenden Gewässern ändert sich die Höhe der Wasseroberfläche nicht linear entlang der Flussachse. Dies bedeutet, dass eine einfache Interpolation zwischen Pegeln nicht ausreichend ist.

Für die Beschickung von nautischen Karten wird beispielsweise am Rhein ein als „Gewässerkundlicher Horizont“ bezeichneter Höhenbezug eingeführt. Dieser wird als Gleichwertiger Wasserstand 20 oder GlW20 bezeichnet. Die 20 zeigt dabei an, dass es sich bei diesem Niveau um einen Wasserstand handelt, der innerhalb eines Jahres nur an max. 20 Tagen unterschritten werden darf. Er stellt die Grundlage für die Definition der Fahrrinnentiefe dar, bzw. die Tiefe der Fahrrinne wird in Relation zum gewässerkundlichen Horizont angegeben. Praktisch bedeutet dies beispielsweise, dass die Fahrrinne am Rhein im Bereich zwischen Bingen und der Loreley mit einer Tiefe von 1,9 m relativ zu dem GlW20 freigegeben wurde. Konventionell erfolgt die Bestimmung des GlW20 mithilfe von Pegelmessungen und so genannten Wasserspiegelfixierungen. Bei einer Wasserspiegelfixierung wird die hochgenaue Trajektorie eines Messschiffes erfasst, wobei dieses mit geringstmöglichem Einsunk fährt. Aus der Trajektorie, der bekannten Eintauchtiefe und der Schiffsgeometrie lässt sich danach die Höhe des Wasserspiegel linienhaft ableiten.

Die hydrodynamisch-numerische Modellierung des Rheins gewinnt immer mehr an Bedeutung. Infolgedessen sind punktuelle oder linienhafte Vermessungen der Wasseroberfläche nicht mehr vollständig ausreichend. Aus diesem Grund wurde die BfG von Seiten des Bundesministeriums für Verkehr und digitale Infrastruktur beauftragt, das Potenzial einer geometrischen Erfassung der Wasseroberfläche mithilfe luftgestützter Laserscannersysteme zu erproben. Die Wahl fiel dabei auf den Leica SPL100 als Laserscanner. Dabei handelt es sich um einen Single Photon LiDAR Sensor, dh. um ein System mit sehr hoher Detektorempfindlichkeit, welches eine Enfernungsmessung beim Eintreffen eines oder weniger Photonen ermöglicht. Da bei der Interaktion der Laserstrahlung mit dem Medium Wasser außerhalb des Bereichs der spiegelnden Reflexion nur wenig Signal zum Empfänger zurückkommt, besteht die Hoffnung, dass Single Photon sensitive Systeme eine besserere Kartierung der Wasseroberfläche erlauben.

Primäres Ziel dieser Erprobung ist die flächenhafte Erfassung und geometrische Modellierung der Wasseroberfläche an bestimmten Abschnitten des Rheins. Als sekundäres Ziel sind belastbare Aussagen zur Performance des Leica SPL100 Laserscanners genannt. Diese beinhaltet insbesondere Aussagen zur erreichbaren Punktdichte, Genauigkeit und Zuverlässigkeit bei bestimmten Flugparametern.

Methode/Untersuchung

Die Firma Leica Geosystems wurde von der BfG beauftragt, bestimmte Abschnitte des Rheins in Flughöhen von 800 m, 1600 m und 3000 m zu befliegen. Die Wahl der Flugstreifen erfolgte dabei so, dass für eine Flughöhe von 3000m der komplette nasse und trockene Bereich erfasst wird. Bei den niedrigeren Flughöhen erfolgt nur eine Erfassung der Wasseroberfläche und der Ufer. Geflogen wurde dabei mit einer 50%igen Überlappung der Flugstreifen.

Die Befliegungsgebiete zeichnen sich durch eine Vielzahl bestimmter Eigenschaften aus. So liegt innerhalb des Befliegungsgebietes ein Teil der staugeregelten Mosel. Mit dem ebenfalls im Projektgebiet liegenden Mündungsbereich der Mosel in den Rhein wird ein Zusammenfluss zweier großen Ströme erfasst. Darüber hinaus ist mit der etwas weiter südlich gelegenen Lahn ein weiterer kleiner Zufluss im Befliegungsgebiet vorhanden. Zwei weitere Areale beinhalten Flussschleifen des Rheins bzw. mit der Loreley auch einen sehr komplexen Bereich des Rheins. Die Hydraulik in diesem Bereich hydrodynamisch-numerisch zu modellieren, ist äußerst komplex. Infolgedessen sind erfasste Randwerte in Form von flächenhaften geometrischen Beschreibungen der Wasseroberfläche sehr gefragt. In diesen Bereichen wird eine Querneigung erwartet, und es soll daher untersucht werden, inwieweit diese mit dem Leica SPL100 nachweisbar ist.

Innerhalb des Befliegungsgebietes sind im nassen Bereich ca. 10 permanent arbeitende Pegelmessstellen vorhanden. Diese wurden im Vorfeld geprüft bzw. die genaue Höhenlage des Pegelnullpunkte ist bekannt. Weiterhin wurde am Rhein ein Messfloß der BfG mit der Ausdehnung von ca. 6 m x 2 m mit einem vierfach GNSS-System bestückt. Diese erfasst an vier Stellen mit 2Hz die Lage der GNSS-Antennen und damit auch die Lage des Messfloßes im Raum. Dass Messfloß dient somit als hochfrequenter Pegel. Dies ist nötig, da insbesondere zu Berg fahrende Frachtschiffe eine sehr große Menge Wasser verdrängen und infolge dessen ein lokal und zeitlich begrenzter Verfall des Wasserspiegel auftreten kann, welcher Dimensionen von einigen Zentimetern bis etwa 1dm annehmen kann.

Für die Ableitung von Performanceaussagen zur Erfassung von Landflächen sind darüber hinaus diverse Rampen und Referenzfläche verschiedenster Art in dem Untersuchungsgebiet vorhanden. So sind beispielsweise auf der Insel Niederwerth nördlich von Koblenz nahezu alle möglichen Vegetationsarten (z.B. Hecken, ackerbauliche Flächen, Wiesen, Gräben, Laubbäume, Straßen urbanes Gebiet, Buhnen, Kiesufer etc.) vorhanden.

Neben den ALS Beobachtungen werden aus allen Höhen auch Luftbilder erfasst. Diese dienen primär der Zustandsdokumentation zum Zeitpunkt der Befliegung

Ergebnisse

Die Befliegung starte am 31.10.2019 mit der Datenerfassung aus 3000m und 1600m Flughöhe. Die Datenerfassung aus einer Flughöhe von 800m erfolgt an den folgenden Tagen. Mit den ersten Ergebnissen wird Anfang Dezember 2019 gerechnet.



Automatic Generation of Training Data for Land Use and Land Cover Classification by Fusing Heterogeneous Data Sets

S. Schmitz1,2, M. Weinmann1, U. Weidner1, H. Hammer2, A. Thiele1,2

1Karlsruhe Institute of Technology, Institute of Photogrammetry and Remote Sensing, Germany; 2Fraunhofer Institute of Optronics, System Technologies and Image Exploitation IOSB, Germany

A wide range of research in the field of environmental science is relying on information on land cover and land use. For instance, such knowledge is used to develop climate models, to plan cities and agricultural land use efficiently, or to support forest management (Pielke et al. 2011; Hansen et al. 2013). In order to respond to the demand for up-to-date land use and land cover (LULC) products, a variety of methods have been developed to derive appropriate class assignments from remote sensing data. The use of remote sensing data, in particular satellite data, is justified by the fact that large areas can be covered, in most cases even with short revisit time. Many methods to interpret these data make use of concepts from the field of machine learning, often with special attention to supervised learning. These methods include, among others, Random Forest, Support Vector Machine (SVM) and Artificial Neural Networks (ANN) (van Beijma 2014; Huang et al. 2002; Mohammadimanesh 2019). In particular, algorithms with a high number of trainable parameters, such as those found in the area of deep learning, require a lot of training data for successful learning processes. Manual annotation of data usually requires a considerable amount of expert knowledge and can only be realized with an enormous amount of time. Therefore, in this paper, we present a method to automatically annotate remote sensing data for LULC classification that replaces time-consuming manual labelling.



Neues Normungsverfahren „InSAR – Radarinterferometrie für die Bodenbewegungserfassung“

N. Adam1, V. Spreckels2, R. Reulke3

1Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR), Oberpfaffenhofen; 2RAG Aktiengesellschaft, Herne; 3Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR), Berlin

Die SAR Interferometrie ist ein Fernerkundungsverfahren, mit dem die Topographie und Bewegungen der Erdoberfläche mit Hilfe eines kohärenten Radars bildhaft gemessen werden. Die genaueste Technik für das Bodenbewegungsmonitoring ist die Persistent Scatterer Interferometry (PSI). Diese ermöglicht unter Nutzung von Radar-Satelliten die großflächige und kontinuierliche Vermessung mit Millimeter-Genauigkeit. Auf Grund dieser Messempfindlichkeit gibt es zahlreiche Anwendungen wie z.B. die Detektion und Vermessung von Auswirkungen durch Energiespeicherung, Geothermie, Bergbau, Gas- und Ölförderung sowie von vulkanischen und tektonischen Bewegungen. Daher ist in den letzten Jahren in der Forschung aber auch auf der behördlichen und kommerziellen Nutzerseite das Interesse an dieser neuen Vermessungstechnik stark gewachsen. Unterstützt wird dieser Trend durch die allgemeine Verfügbarkeit von Radar-Satelliten mit synthetischer Apertur (SAR). Die hochaufgelösten TerraSAR-X und die großflächig beobachtenden Sentinel-1 Satelliten sind speziell für interferometrische Anwendungen entwickelt worden und bieten eine kontinuierliche und bezahlbare Datenbasis. In Anwendungsprojekten wurden Vermessungen bisher für kleine Gebiete aufwändig einzeln beauftragt und mit Prototypensoftware realisiert. Die Nutzer solcher Daten haben jedoch oft den Wunsch geäußert, über vergleichbare Vermessungen, vereinheitlichte Begriffe und validierte Verfahren zu verfügen. Aus Aspekten der Qualitätssicherung und auch der Akzeptanz wurde daher das Thema „InSAR-Norm“ bereits mehrfach von Anwendern aus Industrie sowie Bundes- und Länderbehörden und Kommunen an den Normungsausschuss herangetragen. Mit dem neuen Normungsverfahren „InSAR – Radarinterferometrie für die Bodenbewegungserfassung“ wird das nun endlich möglich. Nutzer sind Behörden, Kommunen, die Wirtschaft und die Bevölkerung. Die Kenntnis über die Stabilität des Untergrundes bietet ein sehr breites Anwendungsspektrum für praktisch alle Entscheidungsträger, die auf Geodaten angewiesen sind, von der Raum- und Verkehrswegeplanung bis zum Küsten- und Hochwasserschutz.

Themen für eine künftige Norm sind:

  • Stand der Validierungen und Standardisierungen in Deutschland und Europa,
  • Sensoren, Algorithmen und Anforderungen an die Prozessoren,
  • Satellitendatenverfügbarkeit (Sentinel-1, etc.),
  • notwendige Korrekturen bei der Bearbeitung der Satellitendaten,
  • Informationen zu den und eindeutige Festlegung der diversen Verfahren (InSAR, SBAS, ISBAS, PSI),
  • Genauigkeitsbetrachtung und Vergleichbarkeit der Ergebnisse der Prozessierungen, die präzise Geolokalisierung und Georeferenzierung der radarinterferometrischen Daten sowohl aus ascending als auch descending Orbits,
  • Genauigkeitsanforderungen an die Georeferenzierung z.B. über Corner-Reflektoren (CR), CR-Modelle, mittlerweile installierte CR, Verteilung dieser CR in Deutschland,
  • aktuelle Bodenbewegungskarten und –dienste aus Deutschland und von ausländischen Anbietern, welche nun die Grundlage für die Arbeiten an einer künftigen Norm bilden können.

Es werden in diesem Beitrag aktuelle Beispiele von Auswertungen, Vergleichen, geplanten und bereits installierten CR-Standorten sowie Bodenbewegungsdiensten und -karten präsentiert.



 
Impressum · Kontaktadresse:
Datenschutzerklärung · Veranstaltung: Jahrestagung 2020
Conference Software - ConfTool Pro 2.6.134
© 2001 - 2020 by Dr. H. Weinreich, Hamburg, Germany